Rev. peru. biol.

19(1): 113 - 124 (Abril 2012)

Facultad de Ciencias Biolgicas UNMSM ndices de distribucin espacial usados en inventarios forestales
ISSN 1561-0837

COMENTARIOS
Revisin de ndices de distribucin espacial usados en inventarios
forestales y su aplicacin en bosques tropicales

Review of spatial indices used in forest inventory and their application in

tropical forests

Alicia Ledo*1, Sonia Conds1, Fernando Montes2

1 Escuela Tcnica Superior de
Ingenieros de Montes. Universidad
Politcnica de Madrid. Ciudad Uni-
versitaria, sn. 28040 Madrid, Spain
2 CIFOR-INIA. Ctra. de La Corua
km 7.5, 28040 Madrid Spain
*alicialedo@gmail.com
Presentado: 17/01/2012
Aceptado: 21/08/2012
Publicado online: 01/10/2012
Resumen
En este trabajo se hace una revisin de los diferentes ndices utilizados para describir y caracterizar la estruc-
tura horizontal o patrn espacial en masas forestales con especial nfasis en aquellos que se han aplicado
para el estudio de bosques tropicales. Estos ndices se han clasificado en funcin del tipo de datos requerido
para su clculo. Diferentes aspectos del comportamiento estadstico y la aplicabilidad de aquellos ndices ms
usados (los ndices de Fisher y Morisita, el anlisis de la varianza en escalas anidadas y la tcnica SADIE
de entre las tcnicas que utilizan datos de densidades o coberturas en unidades de muestreo; los ndices de
Clark-Evans, Pielou y Byth-Ripley basados en medidas de distancias entre rboles; y las funciones L(d) y O-
ring que requieren para su clculo la posicin de todos los arboles) se analizan en un caso de estudio a partir
de datos de parcelas experimentales un bosque tropical andino.
Palabras clave: ndices de diversidad, estructura forestal, patrn espacial, biodiversidad, bosques de niebla,
Andes, Per.
Abstract
This paper reviews the different indices used to describe and characterize the horizontal structure or spatial
pattern in forest stands, with particular emphasis on those which have been applied to the study of tropical
forests. These indices have been classified according to their data-inventory requirements. A number of aspects
concerned with the statistical properties of the most commonly employed indices (Fisher and Morisita indices,
LQV techniques and SADIE in the quadrats group; Clark-Evans, Pielou and Byth-Ripley in the nearest-neighbour
group; The empirical L(d) and O-ring functions in the mapped data group) and their applicability to tropical
stands, have been tested in experimental plots located in an Andean tropical forest.
Keywords: diversity index, forest structure, spatial pattern, biodiversity, cloud forest, Andes, Peru.

Introduccin los diferentes mtodos de ordenacin (Vincent et al. 2003),

El inventario forestal es una herramienta necesaria para el
conocimiento del monte, y la planificacin de cualquier recurso
requiere en primer lugar de un conocimiento del mismo (Madri-
gal 2002). Tradicionalmente, los trabajos de inventario forestal se
realizaban con fines orientados a la produccin. Al surgir nuevas
demandas de utilidades de los sistemas forestales por parte de
la sociedad, se han ido incorporando nuevos objetivos a los in-
ventarios, como la estimacin y valoracin de la biodiversidad,
estimacin de bienes ambientales y estado de conservacin
de los ecosistemas; de hecho, las medidas de biodiversidad ya
aparecen en los principales inventarios europeos (Alberdi et al.
2005). El estudio de la estructura horizontal y vertical de las
masas arboladas se incluye como una parte importante en el
anlisis de la biodiversidad (Staudhammer & LeMay 2001). La
estructura horizontal en una masa forestal viene determinada por
la distribucin en el espacio de los rboles o patrn espacial. Para
estudiar el patrn espacial en un monte, la tcnica ms habitual
es comparar la distribucin de pies presente con una distribucin
que se toma de referencia, normalmente la distribucin aleatoria
o de Poisson, pudiendo el patrn real desviarse de la distribucin
de referencia como consecuencia de una mayor agregacin de los
rboles o de una distribucin regular de los mismos. Cada uno
de estos patrones observados revela una historia forestal distin-
ta, responde a unas causas (Legendre 1993) y tambin genera
ciertas consecuencias (Halpern & Spies 1995). La importancia
de la distribucin espacial de los rboles tambin se pone de
manifiesto al elegir la tcnica selvcola apropiada para aplicar
pues la selvicultura influye en la organizacin de los rboles
(Montes et al. 2004) y es importante saber cmo puede afectar
la estructura de la masa al desarrollo de la misma (por ejemplo,
cmo afecta la estructura de los pies maduros al regenerado,
para poder as favorecer la regeneracin natural ofreciendo las
condiciones necesarias).
Para el estudio de la distribucin espacial se han desarrollado
muchos ndices, que se han ido incorporando a los inventarios
para caracterizar la biodiversidad. Estos ndices se pueden cla-
sificar (teniendo en cuenta el tipo de datos que utilizan para su
clculo o la metodologa empleada) como mtodos basados en la
varianza, que utilizan datos en unidades de muestreo; mtodos
basados en clculos de distancias, que requieren de la medida
de distancias o ngulos, y tcnicas del momento de segundo
orden, que requieren para su clculo datos de la posicin de
todos los rboles.
En bosques tropicales la realizacin de inventarios para cuan-
tificar los recursos forestales es relativamente reciente y todava
no se ha generalizado su uso. En parte, debido a que las zonas
tropicales se encuentran es su mayora en pases con recursos
ms escasos que no invierten tanto ni en sector forestal ni en
investigacin y control. Por otro lado, los bosques tropicales
son de mayor complejidad estructural y con un mayor nmero
de especies presentes que implican una mayor variabilidad y da
lugar a masas ms heterogneas cuyo estudio es ms complicado
(Plissier & Goreaud 2001). Muchos de estos bosques ven en la

Rev. peru. biol. 19(1): 113 - 124 (April 2012)

113
Ledo et al.
Figura 1. Mapa de ubicacin de los rboles cuyo dimetro normal es superior a 10 cm en cada una de las parcelas.
actualidad amenazada su persistencia, y aunque recientemente
se han realizado inventarios exhaustivos en algunas zonas tropi-
cales, esta informacin no es utilizada por gestores o ecologistas
(Steege et al. 2006). Los procesos ecolgicos que intervienen en
la persistencia de los bosques tropicales y en el mantenimiento
de su elevada diversidad son an desconocidos.
En este trabajo se presenta una revisin de las tcnicas exis-
tentes para caracterizar el patrn espacial en inventarios fores-
tales, ofreciendo ejemplos de aplicacin en masas tropicales. La
aplicabilidad y problemtica de las tcnicas ms comnmente
empleadas se analiza en tres parcelas cuadradas de 1 ha cada una
instaladas en un Bosque de Niebla Montano conocido como
Bosque de Neblina de Cuyas, situado en la vertiente pacfica de
los Andes en el norte de Per, provincia de Ayabaca, en la regin
de Piura. Las coordenadas UTM del rea de estudio oscilan entre
UTM 642700-644300 este y 9493300-9490499 sur, zona 17S.
Datum WGS84, variando la altitud desde 2659 a 3012 m, la
pendiente es por lo general mayor al 30%. En estas parcelas se
han medido las posiciones de todos los rboles (Fig. 1) y se han
calculado las principales variables de masa (Tabla 1). Los bosques
de niebla son formaciones estructuralmente complejas, y son
ecosistemas muy vulnerables que se encuentran en la actualidad
muy amenazados a nivel global (Hamilton et al. 1994).
ndices de aplicacin en unidades de muestreo
Las unidades de muestreo son sub-regiones discretas del
espacio consideradas como muestras representativas de la po-
blacin total. En los inventarios forestales son generalmente
parcelas donde se mide la densidad de alguna variable o se hace
un simple conteo de elementos, como puede ser la estimacin
de la cobertura o el conteo del regenerado. Analizar el valor de
varianza de la variable medida en las parcelas indicar la presencia
de uno u otro patrn espacial.
Algunos de los ndices incluidos en este grupo no tienen nin-
gn requerimiento respecto a la forma o tamao de las unidades,
otros requieren que las parcelas sean de la misma forma y tamao
y en ltimo caso, requieren que las parcelas sean cuadradas y
Tabla 1. Variables dasomtricas de las parcelas considerando los rboles con dimetro mayor o igual a 10 cm
Nmero de pies con d > 10 cm
Dimetro medio cuadrtico con d > 10 cm
Dimetro mximo(cm)
G m2/ha con d > 10 cm
HMC con d > 10 cm
Nmero de especies con d > 10 cm
114
contiguas. Los ndices de este grupo se recogen en la Tabla 2.
Unidades de muestreo no necesariamente contiguas.- El
primer ndice de este grupo fue el propuesto por Fisher y sus
colaboradores (1922) este cociente es tambin conocido como
ndice de Cox (1971) o de Strand (1953), y permite analizar
el patrn espacial a partir del ratio entre la media y la varianza
de la variable entre parcelas. Otros ndices dentro de este grupo
son los ndices de agregacin de David y Moore (1954), de
Douglas (1975) y de Lloyd (1967) y el ndice de dispersin de
Southwood (1978), aunque el ms utilizado es el de Morisita
(1959) (Tabla 2). Como se puede observar en la Figura 2a, el
ndice de Fisher presenta una mayor variacin que el ndice de
Morisita. De hecho, para alcanzar la misma precisin con ambos
ndices, con el ndice de Fisher se deben incluir ms parcelas que
con el de Morisita (Fig. 2b). La parcela 1, en la que el ndice de
Morisita muestra mayores errores, presenta una menor densidad,
lo que parece indicar que el ndice de Morisita da resultados
ms fiables en masas densas, mientras que el ndice de Fisher
presenta un comportamiento ms estable en aquellas parcelas
con una disposicin ms regular de los pies (Figs. 1 y 2b). Una
de las caractersticas de este tipo de ndices es su dependencia del
tamao de la unidad de muestreo. En la Figura 3 se muestra el
valor de ambos ndices en funcin de la dimensin del lado de
la unidad de muestreo, aprecindose la gran variacin del valor
del ndice segn el tamao de parcela elegido.
La capacidad de estos ndices para detectar el patrn espacial
depende de la escala a la que se presenta el patrn espacial y del
tamao de la unidad de muestreo. En las tres parcelas analizadas,
el ndice de Morisita refleja un patrn muy agregado cuando se
tienen unidades de muestreo muy pequeas, presentando un
valor relativamente estable que muestra una ligera tendencia
a la agregacin para unidades de muestreo de mayor tamao
(Fig. 3). El ndice de Fisher, por el contrario, no refleja el patrn
agregado con unidades de muestreo de pequeo tamao o cuan-
do el nmero de rboles es muy grande, como en la parcela II.
El ndice de Morisita se ha utilizado en el estudio del patrn
de rboles en un bosque en la India, considerado en parcelas
Parcela I Parcela II Parcela III
320 468 274
33,85 36,14 59,05
148,01 177,62 257,83
28,80 48,00 75,03
11,26 13,00 14,03
38 39 42
Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)
 ndices de distribucin espacial usados en inventarios forestales

Parcela I Parcela II Parcela III

20 20 20

12 10 8

10 0 8 0 0
0 1 0 1 6 0 1
8
6
Fisher

6 4
4
4
2
2 2

0 0 0
0 20 40 60 80 100 0 20 40 60 80 100 0 20 40 60 80 100

Distancia (m) Distancia (m) Distancia (m)

20 20 20

3,5 2,5 3

3 2,5
2
0 0 0
2,5 0 1 0 1 0 1
2
Morisita

2 1,5
1,5
1,5 1
1
1
0,5 0,5
0,5

0 0 0
0 20 40 60 80 100 0 20 40 60 80 100 0 20 40 60 80 100

Distancia (m) Distancia (m) Distancia (m)

Figura 2. (a) Para el ndice de Fisher y (b) el ndice de Morisita: valor mximo y mnimo de 100 iteraciones (en gris) y valor para un caso (en
negro) para diferente nmero de unidades de muestreo cuadradas de 10 metros de lado. En cada grfico se incluye el error de estimacin
100
( e =i= 1 v real vi 100 ), donde vi es el valor que se obtiene del clculo del ndice en cada una de las iteraciones (i) y vreal es el valor del ndice
calculado incluyendo todas las subparcelas), en funcin de la fraccin de muestreo (calculada como f . m. = a n A donde n es la superficie de
parcela, a es el nmero de parcelas incluidas y A el rea total de estudio).

Tabla 2. Resumen de los ndices ms comunes en unidades de muestreo.

Nombre ndice Umbral

Unidades de muestreo no necesariamente contiguas
> 1 agregado
s 2 n x i x
2

(Fisher et al., 1922) IF = = 1 aleatorio

x n 1 xi < 1 regular
(3)
> 0 agregado
s2
(David and Moore, 1954) ICS = 1 0 aleatorio
x (4) < 0 regular

(Douglas, 1975)
x2 tamao del agregado
ICF = 2
s x (5)
x s2
(Lloyd, 1967) IP = ; x = x + 1 tamao del agregado
x x
(6)

(Southwood, 1978) s 2 ( n 1) tamao del agregado

ID =
x (7)

(Morisita, 1959) I =
n xi ( xi 1)
=
nx IP I =
n i2 > 1 agregado
1 aleatorio
n x ( nx 1) ( )
2
nx 1 (8) i (9) < 1 regular

Unidades de muestreo necesariamente contiguas y cuadradas

(Kershaw, 1960) bloqued quadrat covariance tamao del agregado
(Hill, 1973) term local quadrat variance (TLQV) tamao del agregado
(Perry, 1998) Sadie (Spatial Analisis by distancie indices) distribucin agregacin
Unidades de muestreo no necesariamente contiguas ni necesariamente de similar forma y/o tamao

n i , j (xi x )(x j x ) distribucin de la

ndice de Moran (1950) I Moran = agregacin-autocorrelacin
(x x)
2
i, j i (1)

C Gearly = (n 1) i , j (xi x j )
2
distribucin de
(Gearly, 1954) la agregacin-
(2 i , j 2 ) (xi x j )2 autocorrelacin
(2)
Donde n es el total de individuos en el total de muestras, x es la media de los individuos en cada unidad de muestreo, xi es el nmero
de individuos en cada una de las unidades de muestreo y s 2 es la varianza del nmero de individuos entre las unidades de muestreo.

Rev. peru. biol. 19(1): 113 - 124 (April 2012)

115
Ledo et al.
3 3
2,5 2,5
Valor del ndice
2 2
1,5 1,5
1 1
0,5
0,5
0 0
0 20 40 60 80 100 0 20
Tamao de parcela
Figura 3. Valor medio del ndice de Fisher (gris oscuro) y Morisita (gris claro) frente al tamao de parcela.
primero de 1 ha y luego de 0,25 ha todos los pies con dimetro
normal mayor a 10 cm (Parthasarathy & Karthikeyan 1997);
tambin para estudiar la disposicin espacial de las especies de
sotobosque y su relacin con los huecos en un bosque en Costa
Rica, haciendo transectos donde se miden todos los rboles
con altura menor a 60 cm (Richards & Williamson 1975) y
para caracterizar la estructura forestal en un bosque de Chile,
con parcelas 50 x 60 m subdivididas en subparcelas cuadradas
contiguos de 3 x 3 m donde registran todos los rboles con una
altura mayor a 2 m (Veblen 1979).
Unidades de muestreo contiguas y cuadradas.- Cuando se
dispone de informacin de densidad o cobertura en unidades
de muestreo cuadradas contiguas (quadrats) pueden emplearse
tcnicas para caracterizar el patrn espacial a partir del valor que
toma la varianza en funcin del tamao de la unidad de mues-
treo, incrementando sucesivamente el tamao de la unidad de
muestreo anidando las unidades iniciales en unidades de mayor
tamao (Greig-Smith 1952). El tamao de cuadrcula en que la
varianza es mayor indica la escala caracterstica del proceso que se
est analizando. Keshaw (1960) us este mtodo, al que bautiz
como blocked quadrat covariance, estudiando el patrn de pares
de especies, proponiendo representar la varianza en funcin del
tamao del bloque. Hill (1973) public los primeros mtodos
denominados term local quadrat variance (TLQV), en los que se
calcula la varianza entre unidades de muestreo contiguas. Estas
tcnicas se han ido consolidando para analizar el patrn espacial
en trabajos posteriores (Besag & Diggle 1977; Galiano 1983;
Mead 1974; Renshaw & Ford 1984). Un estudio detallado de
todo este conjunto de ndices y su desarrollo aparece en el libro
de Dale (1999). El trabajo de Roxburgh y Chesson (1998)
present una modificacin, en l se analiza la interaccin entre
el patrn espacial dos especies, y tambin tienen potencialidad
para estudiar variables presencia/ausencia e integrar anlisis
multiespecies (Dale 1999).
En la Figura 4 se muestran las funciones 4 term local quadrat
variance (4TLQV) y 9 term local quadrat variance (9TLQV)
para las parcelas representadas en la Figura 1. Se puede ver en la
Parcela I
12 12
8 8
4 4
0 0
0 10 20 30 40 50 0 10
Figura 4. Resultados para las tcnicas 4TLQV, en lnea negra fina y 9TLQV, en lnea gris ms gruesa.
116
2,5
2
1,5
1
0,5
0
40 60 80 100 0 20 40 60 80 100
Tamao de parcela Tamao de parcela
Figura 3 que en las tres parcelas ambas funciones presentan un
mximo de varianza poco despus de los 10 metros, que estara
sealando la distancia de agregacin de los rboles en las parcelas.
Dentro de esta categora est tambin la tcnica Sadie (Spatial
Analisis by distancie indices) desarrollada por Perry (1998), tcnica
que asume una hiptesis nula simulada de regularidad, y mide el
patrn de agregacin como el esfuerzo (distancia) que tendran
que hacer los elementos de cada unidad de muestreo para que al
desplazarse a las unidades contiguas se llegara a una distribucin
aleatoria en todo el rea. Se calcula un ndice de agregacin I
que indica las zonas con mayores grados de agregacin (valores
mayores a 1) y las reas regulares (valores menores a 1). Es
frecuente hacer una interpretacin visual del mapa resultante
para detectar las diferentes zonas en cuanto a la agregacin de
las plantas (Fig. 5). El uso los ndices de este apartado es ms
comn en el estudio de coberturas, abundancias o variabilidad
de los datos que en inventarios forestales clsicos y no se en-
cuentran en estudios en bosques tropicales salvo algunos casos,
como en el estudio de varianzas anidadas para ver las escalas a
las que ocurren las diferentes estructuras espaciales en una selva
en Malasia, caracterizando la estructura en parcelas de 5 x 5 m;
10 x 10 m y 20 x 20 m y estudiando los resultados obtenidos
para los diferentes tamaos de parcela (Bellehumeur et al. 1997).
Unidades de muestreo no necesariamente de misma forma
o tamao ni contiguas.- Dentro de este grupo de ndices en
los que se compara la varianza entre las diferentes unidades de
muestreo, se encuentran el ndice de Moran (1950) y el de Geary
(1954) (Tabla 2). Se han empleado en el estudio de riqueza
de especies en la Amazona ecuatoriana, tanto sobre imgenes
(Sandler et al. 1997) como sobre datos de campo (Mller-Starck
& Schubert 2002); en el estudio de las diferentes coberturas del
suelo en un bosque en Senegal (Gourbiere & Debouzie 1995)
y en el estudio de la distribucin espacial del regenerado en un
bosque en la Guayana Francesa (Julliot 1997).
Dentro de este grupo tambin se encuentran tcnicas para
medir la correlacin espacial de una variable: el anlisis espec-
Parcela II Parcela III
12
8
4
0
20 30 40 50 0 10 20 30 40 50
Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)
 ndices de distribucin espacial usados en inventarios forestales

Figura 5: Mapas del ndice de agregacin I calculado con la tcnica SADIE

tral bidimensional, el wavelet analsisys, la dimensin fractal,
los variogramas, , correlogramas, series de Fourier, LISA (local
index of spatial association), triangulaciones, modelos espaciales
autoregresivo, incluso otros estadsticos ms sencillos como
aplicacin de ajustes a modelos de probabilidad o simplemente
un test de la 2 usado exitosamente por Greig-Smith (1964).
Informacin detallada sobre todas estas tcnicas se encuentra en
Creesie (1993) y Ripley (1981). La aplicacin de estos ndices
es frecuente en el estudio de vegetacin del suelo o coberturas,
solo ocasionalmente se han utilizado para analizar el patrn de
los rboles.

Parcela I Parcela II Parcela III

40 40 40

2,5
2,5 2,5
Clark-Evans

2
0
2 0 2 0
0 120 0 120
0 120
1,5 1,5 1,5

1 1 1

0,5 0,5 0,5

0 0 0
0 20 40 60 80 100 0 50 100 150 200 250 300 0 50 100 150

Nmero de rboles Nmero de rboles Nmero de rboles

60 60 60

5 5 5

4 0 4 0 4 0
Pielou

0 120 0 120 0 120

3 3 3

2 2 2

1 1 1

0 0 0
0 20 40 60 80 100 0 50 100 150 200 250 300 0 20 40 60 80 100

Nmero de puntos Nmero de puntos Nmero de puntos

35 35 35

1
1
1 0
Bith- Ripley

0 0
0 120 0 120 0 120
0,8 0,8
0,8

0,6 0,6
0,6

0,4 0,4 0,4

0,2 0,2 0,2

Figura 6: Para0 los ndices de (a) Clark y Evans, (b) Pielou y0(c) Bith-Ripley: valor mximo y mnimo de 1000 iteraciones (en gris) y valor para
0
un caso (en negro), en 20funcin40del nmero
60
de80rboles100o puntos0 aleatorios
50 tomados
100 150para200el clculo.
250 A 300
la hora de0 20
seleccionar 40
rboles 60 80
aleatorios, 100

se consider que cada rbol slo puede ser

Nmero de rboles-puntos
elegido una vez y los puntos aleatorios
Nmero de
se seleccionaron
rboles-puntos
sin repeticin. Para corregir
Nmero de
el efecto
rboles-puntos
borde, se han excluido del anlisis los rboles de referencia situados a una distancia del borde inferior a la mxima distancia rbol-vecino
ms cercano en cada parcela o generando una muestra de 1000 puntos aleatorios y tomando la mayor distancia obtenida al rbol ms
cercano. En cada grfico aparece: porcentaje de error de estimacin de los ndices de distancias en funcin del nmero de rboles o puntos
aleatorios tomados para su clculo.

Rev. peru. biol. 19(1): 113 - 124 (April 2012)

117
Ledo et al.

Tabla 3. Resumen de los ndices ms comunes en medidas de distancias

Nombre ndice Umbral

Distancia rbol-rbol
n

r
i =1
i
> 1 agregado
(Clark and Evans, 1954) I CE = n 1 aleatorio
1 < 1 regular
2
(10)

I Skellam = 2 r i
2
(Skellam, 1952) 2 con 2 grados de libertad
(11)

Distancia punto-rbol
n > 1 agregado
I PI = pi n
2
(Pielou, 1959) 1 aleatorio
i =1 (12) < 1 regular

pi2 Solo para comparar entre regiones en el rea de

(Eberhardt, 1967) IE = estudio
p2
(13)

Distancias rbol-rbol y punto-rbol

(Hopkins and Skellam, 1954) I HS =

r 2 > 1 agregado
1 aleatorio
p 2

(15)
< 1 regular

2
1 n
p > 0,5 agregado
(Byth and Ripley, 1980)
I BR =
n i =1 p + r 2
2 0,5 aleatorio
< 0,5 regular
2
(16)
> 1 agregado
r n
(Holgate, 1965) I HN = 2 1 aleatorio
i =1 s < 1 regular
(17)

Distancia rbol-dos rboles

n

r 2
> 1 agregado
(Holgate, 1965) I HF = n
i =1
1 aleatorio

s
i =1
2
r 2 < 1 regular

(18)
n

r > 1 agregado
(Batchelker, 1971) IB = i =1
n
1 aleatorio

s
i =1 (19)
< 1 regular

ngulos rbol-rbol

0 total regularidad
1
(Gadow et al., 1998) IG =
n
z ij (14)
0,5 aleatorio
1 mxima agregacin

Donde r es la distancia al rbol ms cercano desde el rbol aleatorio, p la distancia al rbol ms cercano desde un punto aleatorio, n
es el nmero de rboles aleatorios elegidos y es la densidad del rodal.

ndices basados en medidas de distancias
Estos ndices requieren medir en campo la distancia o n-
gulo desde un rbol aleatorio al rbol o rboles ms cercanos, o
desde un punto aleatorio al rbol ms cercano o ambas medidas
simultneamente, por lo que se suelen denominar mtodos del
vecino ms cercano. Los ndices ms comnmente utilizados
dentro de este grupo se recogen en la Tabla 3.
Distancia rbol-rbol entre un rbol aleatorio y su vecino
ms prximo.- El ndice ms extendido dentro este grupo es el
ndice de Clark y Evans (1954). Este ndice compara datos de
densidad de poblacin (estimada o conocida) con la muestra

Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)

118

de los datos de distancias de un rbol a su vecino ms prximo.
Otro ndice parecido, pero menos robusto, es el de Skellam
(1952) (Tabla 3). La precisin de estos ndices depende del
tamao de muestra de distancias entre rboles vecinos tomada,
como muestra la Figura 6. En este ejemplo, para obtener un
error menor del 10% se necesitan un mnimo de 25 rboles
en la zona de estudio para el ndice de Clark y Evans (Fig. 6a).
El ndice de Clark y Evans se ha aplicado en el estudio del
patrn de rboles muertos en Costa Rica, calculando la distri-
bucin espacial de los rboles muertos en 3 parcelas de diferente
edad de la masa de 12 ha cada una (Lieberman et al. 1985), en
el estudio de diversidad y estructura de la selva de Tutulia en
tres parcelas permanentes de 1,2 ha (Webb & Fa'aumu 2004) o
para estudiar el patrn espacial de los huecos, aplicando el ndice
considerando el centro de cada hueco como un punto, en una
parcela de 9 ha (Ward & Parker 1989). Dentro de este grupo
tambin se han propuesto ndices que utilizan las distancias
desde un rbol aleatorio dentro de la parcela a los dos rboles
ms prximos. Los ms destacables son los dos ndices propues-
tos por Holgate (1965) y el ndice de Batchelker (1971). Estos
ndices presentan el inconveniente de requerir un inventario an
ms complejo, y han tenido una difusin y aplicacin escasas.
Distancia punto-rbol desde un punto aleatorio de la
parcela al rbol ms prximo.- El ms extendido es el ndice
de Pielou (1959) (Tabla 2), que examina la presencia de regu-
laridad o agregados comparando con una distribucin normal
de media 1 y varianza 1/n.
Este ndice, a pesar de haber sido el ms utilizado para estudiar
la estructura horizontal en masas forestales, es menos estable
asintticamente que el de Clark y Evans (Fig. 6), siendo nece-
sarios 70-90 rboles para obtener errores por debajo del 10% en
el ejemplo analizado (Fig. 6b). El ndice de Pielou se ha aplicado
para analizar la estructura de la masa en un bosque en la India,
con 90 parcelas de 0,1 ha (Reddy et al. 2008), o estudio de la
diferente estructura entre estratos de vegetacin en un bosque
subtropical en Japn (Hagihara et al. 2008).
Otro ndice que utiliza la distancia de puntos al azar al rbol
ms prximo, de uso mucho menos extendido que el de Pielou,
es el ndice de Eberhardt (1967), presenta el problema de que
su valor es relativo y por tanto no comparable entre diferentes
bosques.
Cociente entre distancias rbol-rbol y punto-rbol.- El
ndice desarrollado por Hopkins y Skellam (1954) postula que
si la distribucin es aleatoria, la distancia entre puntos al azar y
el rbol ms cercano, debe ser igual a la distancia entre rboles.
Este ndice fue modificado por Byth y Ripley (1980) y aunque
no es de extendida aplicacin en reas tropicales, es un ndice
con buenas propiedades para estudiar la distribucin espacial
de los rboles (Conds & Martnez-Milln 1998), de hecho, en
las tres parcelas analizadas este fue el ndice, dentro de los que
utilizan medidas de distancias, que present un comportamiento
ms estable (Fig. 6), siendo preciso tomar 20 rboles con sus
puntos para alcanzar un nivel de error inferior al 10% (Fig. 6c).
ngulo rbol-rbol entre un rbol aleatorio y su vecino ms
prximo.- En este grupo est el ndice de uniformidad de ngulos
propuesto por Gadow y colaboradores (1998), que permite ca-
racterizar el patrn espacial midiendo nicamente los rumbos de
un rbol aleatorio a sus vecinos ms prximos, y comparando los
Rev. peru. biol. 19(1): 113 - 124 (April 2012)
ndices de distribucin espacial usados en inventarios forestales
ngulos reales con el ngulo de referencia que se obtendra en una
distribucin regular, en caso de considerar cuatro vecinos Gadow
propone un ngulo de referencia de 72 grados. Su uso no es muy
extendido, pero se ha utilizado en el anlisis de la estructura en un
bosque subtropical de Mongolia (Lima et al. 2006) y para evaluar
estructura espacial en sabanas (Graz 2006).
ndices que requieren conocer las posiciones de
todos los rboles
Este grupo de tcnicas utilizan estadsticos de segundo or-
den que describen la estructura de la correlacin espacial del
patrn de puntos (Wiegand & Moloney 2004) basados en la
distribucin de distancias entre pares de puntos (Ripley 1981)
y aumentando la distancia de anlisis. Son muy tiles para estu-
diar la estructura horizontal a diferentes escalas. En las ltimas
dcadas el uso de estas tcnicas se est incrementando (Wiegand
& Moloney 2004) y es comn su utilizacin para caracterizar
el patrn espacial en masas tropicales, como en la red CTFS
(http://www.ctfs.si.edu/group/About/) donde se est haciendo
el seguimiento de parcelas de 25-50 ha en diferentes bosques
del planeta. En general, el empleo de estas tcnicas requiere que
el patrn espacial sea homogneo e isotrpico en la escala de
estudio (Ripley 1981).
Tcnicas basadas en el momento de segundo orden.-
Funciones acumulativas. Sin duda la ms conocida es la
funcin K(d) de Ripley (Ripley 1977), que evala el nmero
medio de rboles alrededor de cada uno de los diferentes rboles
en funcin de la distancia, permitiendo caracterizar el patrn
espacial a diferentes escalas:
n n ij (d ) 1 if d ij d
K (d ) , ij (d )
i 1 j 1 n 0 if d ij d
siendo dij la distancia entre dos rboles. En la prctica la
funcin se calcula para un cierto nmero discreto de distancias
d. El efecto borde se puede corregir reemplazando ij(d) por el
inverso de la fraccin de circunferencia con centro en el punto
i y radio dij contenida en la parcela (Ripley 1977). Ecuaciones
explcitas para esta correccin del efecto borde en diferentes
casos se pueden encontrar en Creesie (1993) y en Goreaud y
Plissier (1999. Se recomienda adems que la distancia mxima
de anlisis no supere la mitad del lado ms corto de la parcela
(Ripley 1981).
En la prctica la funcin se calcula para un cierto nmero
discreto de distancias d. La funcin K(d) se suele utilizar como
funcin test, generndose un nmero suficientemente elevado
de simulaciones (generalmente 99 o ms) de un modelo nulo,
que suele consistir en una distribucin completamente aleatoria
(H0 SCR-complete spatial randomness) y se compara la funcin
emprica con los cuantiles (normalmente 2,5% y 97,5%) del
modelo nulo. Cuando la funcin emprica alcanza valores su-
periores al modelo nulo a una determinada distancia, implica
la existencia de un patrn espacial en agregados significativo a
esa distancia y si por el contrario aparece por abajo, implica la
existencia de un patrn espacial regular a esas distancias.
La modificacin de la funcin K(d) propuesta por Besag
conocida como L(d) (Besag en la discusin de Ripley, 1977) es
ms comnmente utilizada porque estabiliza la varianza y porque
su interpretacin visual es ms fcil:
119
Ledo et al.

Parcela I Parcela II Parcela III

2 2 2

1,5 1,5 1,5

Funcin L(d)

1 1 1

0,5 0,5 0,5

0 0 0
0 10 20 30 40 50 0 10 20 30 40 50 0 10 20 30 40 50
-0,5 -0,5 -0,5

-1 -1 -1

-1,5 -1,5 -1,5

Distancia (m) Distancia (m) Distancia (m)

0,15 0,4 0,15

0,3

Anillo 1 metro
0,1 0,1

0,2
Funcin o-rin g O(r)

0,05 0,05
0,1

0 0 0
0 10 20 30 40 50 0 10 20 30 40 50 0 10 20 30 40 50
Distancia (m) Distancia (m) Distancia (m)
0,12 0,12 0,12

Anillo 10 metros
0,09 0,09 0,09

0,06 0,06 0,06

0,03 0,03 0,03

0 0 0
0 10 20 30 40 50 0 10 20 30 40 50 0 10 20 30 40 50
Distancia (m) Distancia (m) Distancia (m)

Figura 7: Funcin emprica (en negro) (a) L(d) a intervalos de distancia de intervalos de distancia de 0,5 m (b) O(r) utilizando anillos de 1
metro y (c) anillos de 10 metros. Distancia mxima de anlisis de 50 m, los cuantiles 2,5% y 97,5% de 99 (en azul), 999 (en morado) y 30
(en gris) simulaciones del modelo nulo CSR.

sustancialmente del anlisis con 99 o ms iteraciones.

L ( d ) = ( K ( d ) / ) d
,
En la Figura 7a se puede ver la funcin L (d ) emprica para
las parcelas de la Fig. 1. Como se puede observar, la parcela 1
presenta un patrn en agregados desde los 2 a los 42 m., no mos-
trando desviaciones significativas de una distribucin aleatoria
en el resto de distancias analizadas, la parcela 2 solo presenta
agregacin significativa a escalas cortas, hasta 5 m., tendiendo a
la regularidad a distancias mayores a 35 m. La parcela 3 tiene un
patrn en agregados hasta distancias de 35 m, no presentando
diferencias significativas respecto a la distribucin al azar para
distancias mayores.
Como se puede observar en la Fig. 7a, los cuantiles del modelo
nulo calculados a partir de un nmero mayor de iteraciones son
ms estables, sin embargo los intervalos en los que se detectan
desviaciones significativas respecto del modelo nulo no cambian
sustancialmente al comparar la funcin emprica con los cuan-
tiles obtenidos con 99 iteraciones o con 999 iteraciones, por lo
que el anlisis con 99 iteraciones se podra considerar adecuado
en este caso. Algunos trabajos parecen indicar que en parcelas
con un nmero de rboles pequeo sera necesario un nmero
mayor de iteraciones (Loosmore & Ford 2006), no obstante,
aumentar el nmero de iteraciones supone un aumento en el
tiempo de clculo que puede llegar a ser prohibitivo cuando hay
un nmero grande de individuos en las parcelas. En la mayora
de los casos los cuantiles obtenidos con 30 iteraciones son muy
fluctuantes, aunque, dependiendo del nmero de individuos,
como se observa en la Fig. 7a, los intervalos en los que se detectan
desviaciones significativas del modelo nulo pueden no diferir
Este mtodo tiene adems algunas variantes interesantes,
como la funcin bivariante K12 (Lotwich & Silverman 1982)
que permite analizar el patrn de atraccin y repulsin en-
tre dos clases de puntos, y las funciones de correlacin de la
marca, que evalan la correlacin de una variable relacionada
con cada punto, como puede ser el dimetro, en funcin de la
distancia (Stoyan & Stoyan 1994) o la funcin Krx(d) (Montes
& Caellas 2007) para relacionar el patrn de puntos con una
variable continua.
Estas tcnicas comenzaron a aplicarse en el estudio de bosques
tropicales para analizar el patrn espacial en selvas tropicales en
Costa Rica (Clark & Clark 1992), se han empleado tambin
para estudiar y modelizar una selva tropical en Brasil, midiendo
durante tres aos consecutivos parcelas rectangulares de 0,5 ha
donde se registran las posiciones y dimetros de todos los pies
con un dimetro mayor a 10 cm (Batista & Maguire 1998);
para estudiar el patrn espacial en diferente reas de un bosque
en la India, con tres parcelas de 1 ha, considerando todos los pies
con dimetro mayor o igual a 30 cm (Plissier 1998). Tambin
se han empleado tcnicas del momento de segundo orden para
analizar el patrn espacial en la Laurisilva canaria (Arvalo &
Fernandez-Palacios 2003); en el estudio de la dependencia entre
los huecos que aparecen en la masa y la riqueza de especies en
un bosque montano en Argentina (Grau 2002) y en los trabajos
de patrn espacial y dinmica forestal en la Guayana Francesa
(Picard et al. 2009).
Otras funciones similares en cuanto a fundamento e interpre-
tacin son la funcin de Getis y Franklin (1987) y las funciones

Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)

120

G y F propuestas por Diggle (1983). Son de escasa utilizacin,
pero un estudio completo con aplicacin a una sabana africana
aparece en Gignoux et al. (1999). Hardy y Sonk (2004) utilizan
tambin funciones acumulativas para estudiar la distribucin
de especies en una selva en Camern y Plotkin y colaboradores
(2002) utilizan este tipo de funciones para un anlisis de los
patrones de agregacin de los rboles en un bosque en Malasia.
Funciones no acumulativas
Estas funciones son conocidas como pair correlation function
(Stoyan & Penttinen 2000), y a diferencia de las funciones acu-
mulativas su valor para cada distancia di depende nicamente
de los puntos que distan una distancia di, aunque en la prctica
se evala la funcin en una corona circular de radio menor
di- y radio mayor di+. Las ms conocidas son la funcin g(r)
(Stoyan & Stoyan 1994), que es anloga a la funcin K(d), y la
denominada funcin O-ring (Wiegand & Moloney 2004) que
mide el nmero de puntos en funcin de la distancia:
dK
2 r g (r ) =
dr
Muchos autores utilizan este tipo de funciones porque son
ms sensibles para detectar la existencia de un patrn espacial a
una determinada distancia (Ward et al. 1996), aunque las fun-
ciones acumulativas presentan mejores propiedades estadsticas
(Stoyan & Penttinen 2000). Esta diferencia se pone de relieve en
la comparacin de las funciones O-ring con las correspondientes
funciones L(d) (Fig. 7), como se puede observar en las parcelas I
y III las funciones O-ring nicamente muestran agregacin para
determinadas distancias y el tamao del anillo elegido ser decisivo
a la hora de determinar el patrn segn qu distancias (Fig.7b,c).
Condit et al. (2000) propuso una funcin no acumulativa para el
anlisis del patrn espacial de vecindad de los rboles en bosques
tropicales, en uno de los trabajos de referencia dentro de este
mbito. Tambin se han utilizado para ver el patrn de algunas
especies en un bosque en Sri-Lanka (Wiegand et al. 2007).
Triangulacin o teselacin.- Se ha propuesto estudiar
el patrn espacial haciendo una triangulacin a partir de los
rboles posicionados, con la triangulacin Delaunay (1934),
la teselacin Dirichlet (en Ripley 1981) o los Vorono polygons
area (Thiessen, 1911).
Aplicacin de estas tcnicas se encuentran en el estudio de
la competencia en la selva de Uganda (Lawes et al. 2008) y en
la modelizacin de la estructura forestal en la Guayana francesa
(Mercier & Baujard 1997).
ndices del vecino ms cercano refinado
Son una extensin de los ndices basados en medidas de
distancias expuestos en el apartado anterior, pero en lugar de
considerar la distancia de cada rbol a su vecino, van incremen-
tando el nmero de rboles vecinos de cada rbol. Son, por
tanto, ndices acumulativos. Una explicacin ms detallada y
con ejemplos se puede encontrar en Li y Zhang (2007) o en
Ripley (1981). Una correccin del efecto borde aparece en Rozas
y Camarero (2005), y un estudio completo en Stoyan (2006).
Son muy poco usados en el mundo forestal.
Discusin
Comparacin de las diferentes tcnicas de anlisis de la
estructura horizontal.- Dentro de las ventajas del grupo de
Rev. peru. biol. 19(1): 113 - 124 (April 2012)
ndices de distribucin espacial usados en inventarios forestales
ndices que se estiman en unidades de muestreo, destaca el que
se puedan calcular con datos de un muestreo convencional sin
necesidad de ampliar los recursos invertidos en el inventario.
Por el contrario, la informacin que proporciona el clculo de
estos ndices depende en gran medida del tamao de parcela
considerado, y no se pueden extrapolar los resultados a otras
escalas. Adems, para resultados fiables se necesita que la zona de
estudio sea relativamente homognea y una fraccin de muestreo
considerable, por eso son usados en teledeteccin o anlisis de
imgenes (donde la fraccin de muestreo es la totalidad). Dentro
de este grupo el ndice ms recomendable para aplicar en masas
similares a la estudiada es el ndice de Morisita, por su mayor
estabilidad y por requerir un menor esfuerzo de muestreo. La
tcnica SADIE muestra las zonas de agregacin, no es un ndice
que est midiendo el patrn general.
El grupo de los ndices que requieren de distancias medidas
en campo son muy tiles para obtener una descripcin de la
estructura horizontal a escala de vecindad (del Ro et al. 2003)
o para comparar diferentes zonas o rodales dentro del bosque.
Las mediciones que requieren son sencillas de implementar en
el inventario. Dan un valor a pequea escala que no proporcio-
nan los ndices basados en unidades de muestreo, pero tambin
requieren de un esfuerzo de muestreo mayor, lo que implica
consumir ms recursos en el inventario. Otro problema que
se encuentra al aplicar estos ndices en masas complejas como
la estudiada es que si se incluyen todos los pies presentes en la
masa, sin excluir los dimetros menores, el valor de ndice est
fuertemente influido por el elevado nmero de pies que hay en
los estratos inferiores, y no proporciona informacin acerca de
la distribucin de los pies mayores. Como se puede observar en
la Figura 5, en la parcela II (donde hay un mayor nmero de
rboles y la distribucin de puntos es ms uniforme porque no
presenta zonas con grandes huecos y zonas con agregados tan
marcados como las parcelas I y III), este tipo de ndices mues-
tran un comportamiento ms estable y menores errores, lo que
indica que el ndice dar resultados ms fiables en masas con una
distribucin ms regular que en masas ms heterogneas. Los
mejores resultados se han obtenido con el ndice de Byth-Ripley,
por lo que dentro de este grupo se aconseja es uso de este ndice
en este tipo de masas; aunque hay que tener en cuenta que para
calcular este ndice es preciso medir distancias rbol-rbol y
distancias punto-rbol, lo que supone un mayor esfuerzo en la
toma de datos que el de Clark y Evans, y ste segundo ofreci
tambin buenos resultados. El ndice de Pielou result el menos
eficiente en las parcelas estudias.
La ventaja de aplicar las tcnicas de patrones de puntos es que
describen el patrn espacial diferentes escalas, proporcionando
una informacin muy interesante para el estudio de la estructura
del ecosistema. Analizando el patrn espacial de las diferentes
especies o de los individuos en un determinado estado de de-
sarrollo se puede inferir sobre los procesos ecolgicos que han
originado ese patrn. Como inconveniente a estas funciones est
que para su aplicacin se requiere un fuerte esfuerzo de muestreo,
pues hay que tomar la posicin de todos los rboles, y un mayor
esfuerzo de clculo, requieren paquetes estadsticos especficos
para hacer los anlisis. Las funciones no acumulativas muestran
la presencia de agregacin o regularidad en rangos de distancias
menos amplios que las funciones acumulativas debido a que as-
lan el patrn espacial a una determinada distancia, y no incluyen
los pies situados a distancias inferiores, sin embargo pueden
121
Ledo et al.

Tabla 4. Tabla resumen con las ventajas e inconvenientes de los ndices de cada grupo.

Ventajas Inconvenientes Uso recomendado

Mayores sesgos Imgenes y teledeteccin

Se pueden calcular con
ndices en los datos recogidos en un
unidades de inventario clsico, sin necesidad
muestreo de llevar a cabo un esfuerzo de
muestreo adicional
Necesita de una fraccin de muestreo Para grandes reas donde el patrn es
grande homogneo
Muy variable con el tamao de Cuando slo se hayan medido densidades
parcela o coberturas

Fcil de implementar en el
trabajo de campo
No necesita un muestreo tan
intensivo como las tcnicas que
ndices de Supone incrementar los gastos de Estimacin del patrn para inventarios de
utilizan la posicin de todos los
distancias inventario biodiversidad o inventarios forestales
rboles
Proporciona informacin del
patrn a pequea escala que no
ofrecen los anteriores

Dan informacin a varias Requiere tomar la posicin de todos Parcelas experimentales

ndices con escalas los individuos en parcelas de gran Estudios detallados del patrn a diferentes
rboles extensin escalas
Caracterizan el patrn espacial
mapeados de la poblacin, no de una Se incrementa mucho el tiempo y Desarrollo y validacin de teoras
muestra coste del inventario ecolgicas

ser muy tiles para detectar la presencia de un determinado
patrn espacial en un rango de distancias concreto. El ejemplo
presentado muestra que el uso de 99 iteraciones en el clculo
de las bandas de los cuantiles 97,5% y 2,5% del modelo nulo
es suficiente cuando se incluye un elevado nmero de rboles
en el anlisis. Los avances en las tcnicas de clculo automtico
han favorecido una tendencia a la generalizacin del uso de estas
tcnicas para el anlisis del patrn espacial. Sin embargo, sigue
siendo una gran limitacin la necesidad de tomar la posicin
de los rboles en parcelas de gran extensin, ya que este tipo de
inventario que puede ser realizado en parcelas experimentales
con fines de investigacin, no es tan factible para ajustarse a un
presupuesto de un inventario de monte convencional.
En la Tabla 4 se resumen los inconvenientes, ventajas y apli-
caciones de los diferentes tipos de ndices.
Problemas especficos en bosques tropicales.- Los bosques
tropicales suelen presentar en muchos casos cierta tendencia a la
regularidad a escalas grandes, sin embargo segn se va reduciendo
la escala se suele encontrar una fuerte tendencia a formar agrega-
dos, como en el caso de estudio presentado en este trabajo (Ledo
et al. 2009). Esta agregacin a pequea escala se ha descrito en
muchos otros trabajos en zonas tropicales (Condit et al. 2000;
Lawes et al. 2008; Picard et al. 2009). La escala de anlisis o los
criterios (como estrato, dimetro, tipo funcional) para definir
la poblacin que se analiza van a influir en el patrn espacial
de manera especial en masas tropicales (Plissier 1998), al igual
que el dimetro de corte considerado para incluir en el anlisis,
pues la elevada densidad de pies de los estratos inferiores influir
de manera decisiva en el patrn resultante adems de hacer ms
difcil el replanteo de las parcelas de inventario o la medicin de
rumbos y distancias. El mayor nmero de especies presentes y
la complejidad de los procesos ecolgicos que tienen lugar en el
bosque hacen que aparezcan diferentes niveles de organizacin
a diferentes escalas, que pueden variar segn zonas o tipos de
bosques. Estos niveles de organizacin pueden ser caracterizados
gracias el anlisis del patrn espacial, pero suponen una fuente de
variabilidad adicional. Por otra parte, en la mayora de las teoras
ecolgicas propuestas para explicar la diversidad existente en
zonas tropicales, como en la teora de Janzen-Connell (Connell
1971; Janzen 1970) o en la Teora Neutral (Hubbell 2001), la
distribucin espacial de los individuos de las diferentes especies
juega un papel esencial.
Qu tcnica utilizar? .- Para estudios de coberturas o im-
genes, grandes reas, o cuando hay limitaciones que impiden
llevar a cabo mediciones adicionales de distancias o posiciones
de los pies en el inventario, para evaluar el patrn espacial en
el conjunto del rea de estudio se pueden utilizar los ndices en
unidades de muestreo. Dentro de este grupo, y segn los resul-
tados de este estudio, el ms interesante es el ndice de Morisita.
Para inventarios descriptivos o estudios de biodiversidad,
cuando el objetivo sea la comparacin entre parcelas o zonas
prximas o el objetivo sea caracterizar la distribucin espacial a
pequea escala se pueden utilizar ndices del vecino ms cercano.
Dentro de este grupo el ndice de Byth y Ripley y el de Clark
y Evans seran los ms indicados para caracterizar el patrn en
este tipo de bosques.
Para investigaciones exhaustivas o estudios del patrn a
diferentes escalas, se recomienda el clculo de la funcin L(d),
siempre que se disponga de datos de la posicin de los rboles en
parcelas de tamao suficiente para haya un nmero significativo
de elementos incluidos en el anlisis.
Agradecimientos
Este trabajo se ha llevado a cabo gracias a una Beca de For-
macin del Personal Investigador de la Universidad Politcnica
de Madrid y a la financiacin del viaje y estancia en Per por
el Consejo Social de la UPM. Los autores quisieran expresar
tambin su agradecimiento a Wilder E. Caba Culquicondor por
su ayuda en el trabajo de replanteo y medicin de las parcelas.
Literatura citada
Alberdi I., Saura S., Martnez F.J., 2005. El estudio de la biodiver-
sidad en el tercer Inventario Forestal Nacional. Cuadernos
de la Sociedad Espaola de Ciencias Forestales 19:11-19.

Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)

122

Arvalo J.R. & Fernandez-Palacios J.M., 2003. Spatial patterns of
trees and juveniles in a laurel forest of Tenerife, Canary
Islands. Plant Ecology 165:1-10.
Batchelker C.L., 1971. Estimate of density from a sample of joint po-
int and nearest neighbour distances. Ecology 52:353-355.
Batista J.L.F. & Maguire DA, 1998. Modeling the spatial structu-
re of topical forests. Forest Ecology and Management
110:293-314.
Bellehumeur C., Legendre P., Marcotte D., 1997. Variance and
spatial scales in a tropical rain forest: changing the size
of sampling units. Plant Ecology 130:89-98.
Besag J.E. & Diggle P.J. 1977. Simple Monte Carlo Tests for Spatial
Pattern. Applied statistics 26:327-333.
Byth K. & Ripley B.D., 1980. On sampling spatial patterns by
distance methods. Biometrics 36:279-284.
Clark D.A., Clark D.B., 1992. Life history diversity of canopy and
emergent trees in a neotropical rain forest. Ecological
Monographs 62:315-344.
Clark P.J. & Evans F.C., 1954. Distance to nearest neighbour as a
measure of spatial relationships in populations. Ecology
35:445-453.
Conds S., Martinez-Millan J. 1998. Comparacin entre los ndices
de distribucin espacial de rboles ms usados en el m-
bito forestal. Investigacin Agraria: Sistemas y Recursos
Forestales 7, 173-187.
Condit R., Ashton P.S., Baker P., Bunyavejchewin S., Gunatilleke
S., Gunatilleke N., Hubbell S.P., Foster R.B., Itoh A., La-
Frankie J.V., Lee H.S., Losos E., Manokaran N., Sukumar
R., Yamakura T., 2000. Spatial Patterns in the Distribution
of Tropical Tree Species Science 288:1414 - 1418.
Connell J.H., 1971. On the role of the natural enemies in preven-
ting competitive exclusion in some marine animals and
in rain forest trees., p. 298-312, In P. J. den Boer and G.
Gradwell, eds. Dynamics of populations Centre for Agri-
cultural Publishing and Documentation, Wageningen, the
Netherlands.
Cox F., 1971. Dichtebestimmung und Strukturanalyse von Pflan-
zenpopulationen mit Hilfe der Abstandsmessungen. Mitt.
Bundesforschungsanst. Forst- u. Holzw. 87.
Creesie N.A.C., 1993. Statistics for spatial data Wiley and Sons.
Dale M.R.T. 1999. Spatial Pattern Analysis in Plant Ecology Cam-
bridge University Press.
David F.N., & Moore P.G., 1954. Notes on contagious distributions
in plant populations. Annals of Botany 18:47-53.
del Ro M., Montes F., Caellas I., Montero G., 2003. Revisin:
ndices de diversidad estructural en masas forestales.
Investigacin Agraria: Sistemas y Recursos Forestales
12:159-176.
Delaunay, B., 1934. Sur la sphere vide. Matematicheskikh i Estes-
tvennykh Nauk. Bulletin of Academy of Sciences of the
USSR 7:793-800.
Diggle P.J., 1983. Statistical Analysis of Spatial Point Patterns
Academic Press, New York.
Douglas, J.B., 1975. Clustering and aggregation. Sankhya B 37.
Eberhardt L.L., 1967. Some developments in "distance sampling".
Biometrics 23:207-216.
Fisher R.A., Thornton H.G., Mackenzie W.A., 1922. The accuracy
of the plating method of estimating the density of bacterial
populations. Annals of Applied Biology 9:325-359.
Gadow K.v., Hui G.Y., Albert M., 1998. DasWinkelmaein Struk-
turparameter zur Beschreibung der Individualverteilung
in Waldbestanden. Centralbl. ges. . Forstwesen 115:1-9.
Galiano E.F., 1983. Detection of multiple-species patterns in plant
populations. Vegetatio 53:129-138.
Gearly, R.C., 1954. The contiguity ratio and statistical mapping. The
Incorporated Statistician 5:115-145.
Getis, A. & Franklin J., 1987. Second-order neighborhood analysis
of mapped point patterns. . Ecology 68:473-477.
Rev. peru. biol. 19(1): 113 - 124 (April 2012)
ndices de distribucin espacial usados en inventarios forestales
Gignoux J., Duby C., Barot S., 1999. Comparing the Performances
of Diggle's Test of Spatial Ramdomness for Small Samples
with and without Edge-Effect Correction: Application to
Ecological Data. Biometrics 55:156-164.
Goreaud F. & Plissier R., 1999. On explicit formulas of edge effect
correction for Ripleys K-function. Journal of Vegetation
Science 10:433-438.
Gourbiere F., Debouzie D., 1995. Spatial distribution and estimation
of forest floor components in a 37-year-old Casuarina equi-
setifolia (Forst.) plantation in coast Senegal. Soil Biology
and Biochemistry 27:297-304.
Grau H.R., 2002. Scale-dependent relationships between treefalls
and species richness in a Neotropical Montante Forest.
Ecology 83:2591-2601.
Graz F.P. 2006. Spatial diversity of dry savanna woodlands. Biodi-
versity and Conservation 15:11431157.
Greig-Smith P. 1952. The use of random and contiguous quadrats
in the study of the structure of plant communities. Annals
of Botany 16:293-316.
Greig-Smith P., 1964. Quantitative Plant Ecology. Butterworths,
London.
Hagihara A., Feroz S.M., Yokota M., 2008. Canopy Multilayering
and Woody Species Diversity of a Subtropical Evergreen
Broadleaf Forest, Okinawa Island. Pacific Science 62:363-
376.
Halpern C.B., Spies T.A., 1995. Plant Species Diversity in Natural
and Managed Forests of the Pacific Northwest. Ecological
Applications 5:913-934.
Hamilton L.S., Juvick J.O., Scalena F., 1994. Tropical montane
Cloud forest Springer-Verlag, Nueva York.
Hardy O.J. & Sonk B., 2004. Spatial pattern analysis of tree species
distribution in a tropical rain forest of Cameroon: assessing
the role of limited dispersal and niche differentiation. Dy-
namics and Conservation of Genetic Diversity in Forest
Ecology. 197:191-202.
Hill M.O., 1973. The intensity of spatial pattern in plant communi-
ties. Journal of Ecology 61:225-235.
Holgate P., 1965. Test of randomness based on distance methods.
Biometrika 52:345-353.
Hopkins B. & Skellam J.G., 1954. A new method for determining
the type of distribution of plant individuals. Annals of
Botany 18:213-227.
Hubbell S.P., 2001. The Unified Neutral Theory of Biodiversity and
Biogeography Princeton University Press.
Janzen D.H., 1970. Herbivores and the number of tree species in
tropical forests. Amer. Naturalist 104:501529.
Julliot C., 1997. Impact of Seed Dispersal by Red Howler Monkeys
Alouatta Seniculus on the Seedling Population in the
Journal of Ecology 85:431-440.
Kershaw K.A. 1960. The detection of pattern and association. Journal
of Ecology 48:233242
Lawes M.J., Griffiths M.E., Midgley J.J., Boudreau S., Eeley H.A.C.,
Chapman C.A., 2008. Tree spacing and area of competitive
influence do not scale with tree size in an African rain
forest. Journal of Vegetation Science 19:729-738.
Ledo A., Montes F., Conds s., 2009. Forest, Wildlife and Wood
Sciences for Society Development, pp. International Scien-
tific Conference. IUFRO and EFI associated event, Pragra.
Legendre P., 1993. Spatial autocorrelation: Trouble or new paradigm?
Ecology 74:1659-1673.
Li F. & Zhang L., 2007. Comparison of point pattern analysis me-
thods for classifying the spatial distributions of spruce-fir
stands in the north-east USA. Forestry 80:337-349.
Lieberman D., Lieberman M., Peralta R., Hartshorn G.S., 1985.
Mortality Patterns and Stand Turnover Rates in a Wet Tro-
pical Forest in Costa Rica Journal of Ecology 73:915-924
123
Ledo et al.
Lima A.B., Corral Rivas J.J., Von Gadow K., Muuss U. 2006. Asses-
ment of forest structure and diversity using three different
approaches. International Research on Food Security,
Natural Resource Management and Rural Development.
University of Bonn
Lloyd M., 1967. Mean crowding. Journal of Animal Ecology 36:1-30.
Loosmore N.B., Ford E.D., 2006. Statistical inference using the G or
K point pattern spatial statistics. Ecology 87:1925-1931.
Lotwich H.W., Silverman B.W., 1982. Methods for analysing spatial
processes of several types of points. Journal of the Royal
Statistical Society. Series B 44:406-413.
Madrigal A., 2002. Ordenacin de montes arbolados. Serie tcnica
ICONA. Madrid.
Mead R., 1974., A test for spatial pattern at several scales using data
from a grid of contiguous quadrats. Biometrics 30:965-981.
Mercier F. & Baujard O., 1997. Voronoi diagrams to model forest
dynamics in French Guiana. Proceedings of GeoCom-
putation.
Montes F., Caellas I., 2007. The spatial relationship between post-
crop remaining trees and the establishment of saplings
in Pinus sylvestris stands in Spain. Applied Vegetation
Science 10:151-160.
Montes F. & Caellas I., del Ro M., Calama R., Montero G., 2004.
The effects of thinning on the structural diversity of cop-
pice forests. Annals of Forrest Science 61:771779.
Moran P.A.P., 1950. Notes on continuous stochastic phenomena.
Biometrika 37:17-23.
Morisita M., 1959. Measuring of the dispersion and analysis of
distribution patterns. Memoires of the Faculty of Sciences,
Kyushu University, Series E. Biology 2:215-235.
Mller-Starck G., Schubert R., 2002. Genetic Response Of Forest
Systems To Changing Environmental Conditions. Forestry
Sciences 70
Parthasarathy N. & Karthikeyan R., 1997. Plant biodiversity inven-
tory and conservation of two tropical dry evergreen forests
on the Coromandel coast, south India Biodiversity and
Conservation 6:1063-1083
Plissier R., 1998. Tree spatial patterns in three contrasting plots of
a southern Indian tropical moist evergreen forest.. Journal
of Tropical Ecology 14:1-16.
Plissier R., & Goreaud F., 2001. A practical approach to the study
of spatial structure in simple cases of heterogeneous vege-
tation. Journal of Vegetation Science 12:99-108.
Perry J.N., 1998. Measures of spatial pattern for counts. Ecology
79:1008-1017.
Picard N., Bar-Hen A., Mortier F., Chadoeuf J., 2009. Understanding
the dynamics of an undisturbed tropical rain forest from
the spatial pattern of trees. Journal of Ecology 97:97-108.
Pielou E.C., 1959. The use of point-to-plant distances in the study
of the pattern of plant populations. Journal of Ecology
47:607-613.
Plotkin J.B., Chave J., Ashton P.S., 2002. Cluster Analysis of Spatial
Patterns in Malaysian Tree Species. The American Natu-
ralist 160:629644.
Reddy C.S., Ugle P., Murthy M.S.R., Sudhakar S., 2008. Quanti-
tative Structure and Composition of Tropical Forests of
Mudumalai Wildlife Sanctuary, Western Ghats, India.
Taiwania 53:150-156.
Renshaw E. & Ford E.D. 1984. The description of spatial pattern
using two-dimensional spectral analysis. Vegetatio 56:75-85
124
Richards P. & Williamson G.B., 1975. Treefalls and Patterns of
Understory Species in a Wet Lowland. Tropical Forest
Ecology 56:1226-1229
Ripley B.D., 1977. Modelling spatial patterns (with discussion).
Journal of Royal Statistical Society B 39:172-212.
RipleY B.D., 1981. Spatial Statistics. Wiley and Sons.
Roxburgh S.H., Chesson P., 1998. A new method for detecting
species associations with spatially autocorrelated data.
Ecology 76:2180-2192.
Rozas V. & Camarero J.J., 2005. Tcnicas de anlisis espacial de
patrones de puntos aplicadas en ecologa forestal. Invest
Agrar: Sist Recur For 14:79-97.
Sandler B.C., Pearman P.B., Guerrero M., Levy K., 1997. Using
a GIS to Assess Spatial Scale of Taxonomic Richness in
Amazonian Ecuador. ESRI User Conference.
Skellam J.G., 1952. Studies in statistical ecology. I. Spatial pattern.
biometrika 39:346-362.
Southwood T.R.E., 1978. Ecological Methods. Halsted Press, New
York.
Staudhammer C.L., LeMaY V.M., 2001. Introduction and evaluation
of possible indices of stand structural diversity. Canadian
journal of forest research 31:11051115.
Steege H., Pitman N.C.A., Phillips O.L., Chave J., Sabatier D.,
Duque A., 2006. Continental-scale patterns of canopy
tree composition and function across Amazonia. Nature
443:444-447.
Stoyan D., 2006. On estimators of the nearest neighbour distance
distribution function for stationary point processes. Me-
trika 64:139-150.
Stoyan D. & Penttinen A., 2000. Recent applications of point pro-
cess methods in forestry statistics. . Statistical Science
15:6178.
Stoyan D. & Stoyan H., 1994. Fractals, Random Shapes and Point
Fields. Wiley ed., New York.
Strand L., 1953. Mal for fordelingen av individer over et omrade.
Det Norske Skogforsoksvesen 42:191-207.
Thiessen A.H., 1911. Precipitation averages for large areas. Monthly
Weather Rev. 39:1082-1084.
Veblen T.T., 1979. Structure and Dynamics of Nothofagus Forest
Near Timberline in South-Central Chile. Ecology 60:937-
945.
Vincent K., Marc V.M., Lieven N., Guy G., Nol L., 2003. Spatial
methods for quantifying forest stand structure develop-
ment: A comparison between nearest-neighbor indices and
variogram analysis. Forest science 49:36-49.
Ward J.S. & Parker G.R., 1989. Spatial Dispersion of Woody Rege-
neration in an Old-Growth Forest. Ecology 70:1279-1285
Ward J.S., Parker G.R., Ferrandino F.J., 1996. Long-term spatial dy-
namics in an old-growth deciduous forest. Forest Ecology
and Management 83:189-202.
Webb E.L. & Fa'aumu S., 2004. Diversity and structure of tropical
rain forest of Tutuila, American Samoa: effects of site age
and substrate Plant Ecology 144:257-274.
Wiegand T., Gunatilleke C.V.S., Gunatilleke I.A.U.N., Okuda
T. 2007. Analyzing the spatial structure of a sri lankan
tree species with multiple scales of clustering. Ecology
88: 30883102
Wiegand T. & Moloney K.A., 2004. Rings, circles and null-models
for point pattern analysis in ecology. Oikos 104:209-229.
Rev. peru. biol. 19(1): 113 - 124 (Abril 2012)